[發(fā)明專利]一種水中弱目標(biāo)檢測方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010026118.7
• 申請(qǐng)日: 2020-01-10
• 公開（公告）號(hào): CN111259942B
• 公開（公告）日: 2022-04-26
• 發(fā)明（設(shè)計(jì)）人: 王海燕;張紅偉;姚海洋;馬石磊;申曉紅
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V10/80;G06V10/774;G06K9/62
• 代理公司: 西安凱多思知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61290
• 代理人: 劉新瓊

本發(fā)明提供了一種水中弱目標(biāo)檢測方法，提取數(shù)據(jù)的相對(duì)變化熵、關(guān)聯(lián)維數(shù)、Lyapunov指數(shù)等多種特征量，利用SVM的方法，將多種特征量映射到同一高緯特征空間，最后通過SVM的分類結(jié)果實(shí)現(xiàn)對(duì)水中弱目標(biāo)進(jìn)行檢測的方法。本發(fā)明利用相對(duì)變化熵分析方法，對(duì)接收數(shù)據(jù)的兩個(gè)不同漸進(jìn)指數(shù)速率差相對(duì)變化進(jìn)行分析，并對(duì)其變化的程度進(jìn)行表征，有效避免環(huán)境噪聲本身能量波動(dòng)帶來的干擾。同時(shí)利用關(guān)聯(lián)維數(shù)、Lyapunov指數(shù)等分析方法從另外的幾個(gè)測度提取數(shù)據(jù)的非線性特性的變化，用特征融合方法避免環(huán)境噪聲中脈沖成分所帶來的干擾，能夠做到無先驗(yàn)信息的水中目標(biāo)遠(yuǎn)距離檢測，具有檢測距離遠(yuǎn)、不需先驗(yàn)信息等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及水聲信號(hào)處理技術(shù)領(lǐng)域，具體為一種目標(biāo)檢測方法。

背景技術(shù)

為了應(yīng)對(duì)“海洋世紀(jì)”帶來的新的機(jī)遇與挑戰(zhàn)，進(jìn)一步振興海洋事業(yè)，要按照“建設(shè)海洋強(qiáng)國”的戰(zhàn)略思想，著力發(fā)展海洋科技，提高我國的海防實(shí)力，海洋安全領(lǐng)域的研 究至關(guān)重要，而水中弱目標(biāo)檢測則是海洋安全領(lǐng)域的一個(gè)重要研究方向。

水中弱目標(biāo)的檢測方法中較為常用的是線譜檢測，線譜檢測中常用的方法有自相關(guān)檢測方法、快速傅里葉變換方法、自適應(yīng)線譜增強(qiáng)方法等，但這些方法很多需要得 到線譜頻率等先驗(yàn)信息，無此先驗(yàn)信息時(shí)，檢測結(jié)果會(huì)受到很大的影響。同時(shí)，由于 聲隱身技術(shù)的高速發(fā)展，機(jī)械設(shè)備主動(dòng)隔振、主動(dòng)約阻尼、聲學(xué)智能結(jié)構(gòu)等技術(shù)的陸 續(xù)應(yīng)用，水中弱目標(biāo)輻射噪聲的線譜得到了很好的控制，線譜的幅值變得很小、線譜 能量大幅度降低、甚至數(shù)量可控。

張安清等人通過對(duì)大量實(shí)測海洋背景噪聲數(shù)據(jù)的特征進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)，海洋背景噪聲伴有顯著脈沖的非高斯特性。這種具有脈沖特性的噪聲，會(huì)帶來某些特征值數(shù) 值幅度上的變化，從而引起虛警，造成檢測性能的降低。

針對(duì)特征線譜先驗(yàn)信息難以獲得以及脈沖噪聲帶來的虛警干擾等問題，結(jié)合復(fù)雜海洋環(huán)境下的非線性特征表征的需要，本發(fā)明通過提取目標(biāo)輻射噪聲中固有的非線性 特征，提供一種不需任何先驗(yàn)信息的水中目標(biāo)遠(yuǎn)距離檢測方法，并利用SVM對(duì)多種 特征進(jìn)行融合，避免了背景噪聲中脈沖成分所引起的虛警，進(jìn)一步提高了目標(biāo)檢測的 性能，提升了方法的可適用性。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種水中弱目標(biāo)檢測方法。針對(duì)水下微弱信號(hào)檢測的背景噪聲復(fù)雜多樣、低信噪比檢測難度大、先驗(yàn)信息獲取困難和脈沖噪聲 的虛警干擾等問題，提出一種通過提取數(shù)據(jù)的相對(duì)變化熵、關(guān)聯(lián)維數(shù)、Lyapunov指數(shù) 等多種特征量，并利用SVM的方法，將多種特征量映射到同一高緯特征空間，最后 通過SVM的分類結(jié)果實(shí)現(xiàn)對(duì)水中弱目標(biāo)進(jìn)行檢測的方法。本發(fā)明利用混沌理論，準(zhǔn) 確描述與實(shí)現(xiàn)目標(biāo)信號(hào)和環(huán)境噪聲中非線性特征的提取，實(shí)現(xiàn)了在缺少先驗(yàn)信息條件 下水中弱目標(biāo)的低信噪比檢測，并利用多種特征量的不同特性以及特征融合的方法， 有效避免了背景噪聲中脈沖成分帶來的虛警，結(jié)果表明，采用本發(fā)明公開的方法對(duì)水 中弱目標(biāo)進(jìn)行檢測，提高了對(duì)水中弱目標(biāo)的檢測能力，是一種行之有效的檢測方法。

針對(duì)特征線譜先驗(yàn)信息難以獲得以及脈沖噪聲帶來的虛警干擾等問題，結(jié)合復(fù)雜海洋環(huán)境下的非線性特征表征的需要，本發(fā)明通過提取目標(biāo)輻射噪聲中固有的非線性 特征，提供一種不需任何先驗(yàn)信息的水中目標(biāo)遠(yuǎn)距離檢測方法，并利用SVM對(duì)多種 特征進(jìn)行融合，避免了背景噪聲中脈沖成分所引起的虛警，進(jìn)一步提高了對(duì)目標(biāo)檢測 的性能，提升了方法的可適用性。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案的步驟如下：

步驟一：利用水聽器采集海洋中的聲信號(hào)，記為a(t)，即為輸入信號(hào)，將輸入信 號(hào)按照下式(1)處理，使方差變?yōu)?；

其中：a(t_i)為聲信號(hào)a(t)第i個(gè)數(shù)據(jù)，N′為聲信號(hào)a(t)的數(shù)據(jù)個(gè)數(shù)；

步驟二：根據(jù)Takens重構(gòu)定理對(duì)步驟一中的s(t)進(jìn)行相空間重構(gòu)；